Vediamo le gesta fantasiose della falsificazione delle foto; ora dobbiamo capire cosa fare con loro. Essere in grado di distinguere il falso dal reale è l'obiettivo, ma come arrivarci? La scientifica è lo strumento chiave per scovare le foto false e non sembra essere un compito facile per far funzionare bene quello strumento.

"Una delle cose più difficili nel rilevare foto manipolate, o 'deepfake, ' è che i file di foto digitali non sono codificati per essere a prova di manomissione, " ha detto Lily Hay Newman in Cablato .

Cosa hanno ottenuto gli esperti, poi? Gli analisti forensi hanno scoperto come individuare alcune caratteristiche digitali per rilevare le ingerenze, "ma questi indicatori non sempre dipingono un quadro affidabile, " lei disse.

E anche quegli indizi potrebbero non essere d'aiuto, come "molti tipi comuni di" post-elaborazione, ' come la compressione dei file per caricare e condividere foto online, togli comunque questi indizi."

Ma tieni duro. Una coppia di ricercatori della Tandon School of Engineering della New York University aveva un sigillo ipotetico a prova di manomissione dalla fotocamera stessa.

Il loro articolo che discute questa idea è su arXiv, ed è intitolato, "Condotte di imaging neurale:il flagello o la speranza della medicina legale?" Gli autori sono Pawel Korus e Nasir Memon.

"Dimostriamo che una rete neurale può essere addestrata per sostituire l'intera pipeline di sviluppo fotografico, e ottimizzato congiuntamente per il rendering fotografico ad alta fedeltà e l'analisi affidabile della provenienza. Tale pipeline ottimizzata di imaging neurale ci ha permesso di aumentare la precisione di rilevamento della manipolazione delle immagini da ca. dal 45% a oltre il 90%. La rete impara a introdurre artefatti realizzati con cura, simile a filigrane digitali, che facilitano il successivo rilevamento della manipolazione. L'analisi dei compromessi delle prestazioni indica che la maggior parte dei guadagni può essere ottenuta con solo una piccola distorsione".

Cablato ha spiegato cosa hanno proposto gli autori:addestrare una rete neurale per alimentare il processo di sviluppo delle foto che avviene all'interno delle fotocamere. "I sensori interpretano la luce che colpisce l'obiettivo e la trasformano in un'immagine di alta qualità, la rete neurale è anche addestrata a contrassegnare il file con indicatori indelebili che possono essere controllati in seguito, se necessario, da analisti forensi, "Newman ha scritto.

Ha citato il ricercatore Nasir Memon commentando il controllo dei falsi in questo modo. Ha detto che "devi avvicinarti alla fonte in cui viene catturata l'immagine".

Ha inoltre affermato che in questo lavoro "stiamo creando un'immagine compatibile con la scientifica, che consentirà una migliore analisi forense rispetto a un'immagine tipica. È un approccio proattivo piuttosto che limitarsi a creare immagini per la loro qualità visiva e poi sperare che le tecniche forensi funzionino dopo il fatto".

Melanie Ehrenkranz in Gizmodo ha anche chiarito ciò che i ricercatori stavano cercando di realizzare, per ottenere successo nella medicina legale utilizzando l'apprendimento automatico per scopi forensi, e cuocere un metodo di rilevamento direttamente nella fotocamera.

Ehrencranz:"Descrivono in dettaglio un metodo in cui una rete neurale sostituisce il processo di sviluppo della foto in modo che l'immagine originale scattata sia contrassegnata con qualcosa come una filigrana digitale per indicare la provenienza della foto in un'analisi forense digitale. In altre parole, il processo identifica l'origine di una foto e se è stata manipolata dal suo stato originale."

Il comunicato stampa della NYU Tandon School of Engineering conteneva un riassunto particolarmente buono di ciò che questi ricercatori hanno ottenuto. Il loro approccio "sostituisce la tipica pipeline di sviluppo fotografico con una rete neurale, una forma di intelligenza artificiale, che introduce artefatti accuratamente realizzati direttamente nell'immagine al momento dell'acquisizione dell'immagine. Questi artefatti, simile a "filigrane digitali, ' sono estremamente sensibili alla manipolazione."

"A differenza delle tecniche di filigrana utilizzate in precedenza, questi artefatti appresi dall'intelligenza artificiale possono rivelare non solo l'esistenza di manipolazioni fotografiche, ma anche il loro carattere, " disse Corus.

Il processo è ottimizzato per l'incorporamento nella fotocamera e può sopravvivere alla distorsione dell'immagine applicata dai servizi di condivisione di foto online.

La discussione è stata sulla filigrana forense sulle foto. E il video? Cablato ha detto che il video era qualcosa che i ricercatori hanno detto di non aver ancora affrontato, ma che sarebbe teoricamente possibile.

"Riteniamo che sia imperativo considerare nuove opportunità per la progettazione orientata alla sicurezza di telecamere e canali di diffusione multimediale che derivano dall'adozione di processori di imaging neurale".

In realtà, il loro toolbox di imaging neurale è disponibile su GitHub. È descritto come una "cassetta degli strumenti Python per l'ottimizzazione delle pipeline di imaging neurale per il rilevamento della manipolazione delle foto".

Il rilascio di NYU Tandon ha sottolineato che nei prossimi anni, "È probabile che i processi basati sull'intelligenza artificiale sostituiscano completamente le tradizionali pipeline di imaging digitale". Memon ha detto che mentre avviene questa transizione, 'abbiamo l'opportunità di cambiare radicalmente le capacità dei dispositivi di prossima generazione quando si tratta di integrità e autenticazione dell'immagine. Le pipeline di imaging ottimizzate per la medicina legale potrebbero aiutare a ripristinare un elemento di fiducia in aree in cui il confine tra reale e falso può essere difficile da tracciare con sicurezza.'"

© 2019 Scienza X Rete